Question

所以我想我可能在这里走错了路，但基本上是

我有一个三维网格，我找到了该网格中所有点到测试点的所有距离

import numpy as np
#crystal_lattice structure
x,y,z = np.linspace(-2,2,5),np.linspace(-2,2,5),np.linspace(-2,2,5)
xx,yy,zz = np.meshgrid(x,y,z)

#testpoint
point = np.array([1,1,1])

d = np.sqrt((point[0]-xx)**2 + (point[1]-yy)**2 + (point[2]-zz)**2)

#np.shape(d) = (5, 5, 5)

然后我试图找到最接近该测试点的网格点的坐标。我的想法是排序d（展平然后搜索），得到最低值的索引。

low_to_hi_d = np.sort(d, axis=None)  # axis=0 flattens the d, going to flatten the entire d array and then search
lowest_val = low_to_hi_d[0]
index = np.where(d == lowest_val)

#how do I get the spatial coordinates of my index, not just the position in ndarray (here the position in ndarray is (3,3,3) but the spatial position is (1,1,1), but if I do d[3,3,3] I get 0 (the value at spatial position (1,1,1))

在我的3d网格上使用该索引来查找点坐标（而不是该点处的d值）。我正在尝试这样的事情，我很确定我过于复杂。 如何获得最接近我的测试点的三维网格点的（x，y，z）？

Answer 1

如果您只是想找到最近点的坐标，那么您就错了。生成网格网格并计算这么多重复项的距离是没有意义的。您可以轻松独立地在每个维度中执行此操作：

import numpy as np
x,y,z = np.linspace(-2,2,5),np.linspace(-2,2,5),np.linspace(-2,2,5)
p=np.array([1,1,1])
closest=lambda x,p: x[np.argmin(np.abs(x-p))]
xc,yc,zc=closest(x,p[0]),closest(y,p[1]),closest(z,p[2])

Answer 2

我不完全确定这是你想要的。

您可以找到最小d的索引：

idx = np.unravel_index(np.argmin(d), d.shape)

(3, 3, 3)

并使用它来索引你的meshgrid：

xx[idx], yy[idx], zz[idx]

(1.0, 1.0, 1.0)

Numpy - 在三维矩阵中找到网格点的空间位置（知道该网格点的索引）

2 个答案: